@article{Ferrari_Gómez_2020, title={Caracterización de etapas de perforado en probetas multicapas mediante la emisión acústica generada durante la perforación}, volume={24}, url={https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/16193}, DOI={10.14483/22487638.16193}, abstractNote={<p><strong>Objetivo: </strong>El presente trabajo se basa en el monitoreo mediante emisión acústica de la herramienta de corte en un proceso de perforación de material geológico y la utilización de redes neuronales tipo Kohonen para la clasificación de la información.</p> <p><strong>Metodología: </strong>La metodología consistió en la realización de una serie de perforaciones sobre una probeta construida con rocas tipo arenisca, caliza y pizarra, dispuestas en capas y consolidadas con una mezcla de cemento. El herramental utilizado para la perforación consistió en un cortador de dos filos de carburo de tungsteno (CT), de 65 mm de diámetro. El proceso completo fue monitoreado mediante un sistema de emisión acústica acoplado a la broca giratoria y a la probeta de ensayo. Posteriormente se correlacionó la emisión acústica con la estratigrafía de la perforación, se procesó y adaptó la información para entrenar y simular una red neuronal tipo Kohonen, que clasificó la información del proceso según el tipo de roca que se estaba atravesado con el cortador.  </p> <p><strong>Resultados: </strong>Los resultados muestran que la técnica de emisión acústica es sensible a los cambios de estratos durante la perforación de estos geomateriales y que la instrumentación de la broca rotante brinda un buen canal de monitoreo de este proceso. En este se observan los transitorios de cambio de interfaces y el perforado estable mediante el análisis de parámetros de la emisión acústica como RMS, energía MARSE, <em>rise time</em> y frecuencia promedio.</p> <p><strong>Conclusiones: </strong>La técnica de emisión acústica puede ser utilizada para el monitoreo del proceso de taladrado en la presente escala. El procesamiento de los parámetros de emisión acústica permitió entrenar y simular una red neuronal Kohonen que pueda clasificar diferentes etapas del perforado con un error de mezclado inferior al 5 %.</p>}, number={63}, journal={Tecnura}, author={Ferrari, Guido Claudio and Gómez , Martín Pedro}, year={2020}, month={ene.}, pages={26–39} }